JP7090836B2 - 結腸ポリープ画像の処理方法並びに、その装置、コンピュータプログラム及びシステム - Google Patents
結腸ポリープ画像の処理方法並びに、その装置、コンピュータプログラム及びシステム Download PDFInfo
- Publication number
- JP7090836B2 JP7090836B2 JP2021512995A JP2021512995A JP7090836B2 JP 7090836 B2 JP7090836 B2 JP 7090836B2 JP 2021512995 A JP2021512995 A JP 2021512995A JP 2021512995 A JP2021512995 A JP 2021512995A JP 7090836 B2 JP7090836 B2 JP 7090836B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- polyp
- target
- picture
- endoscopic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10068—Endoscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30028—Colon; Small intestine
- G06T2207/30032—Colon polyp
Description
本願は、2018年10月31日に中国専利局に提出された、出願番号が第201811287489.X号であり、発明の名称が「結腸ポリープ画像の処理方法並びに、その装置及びシステム」である中国特許出願の優先権を主張し、その内容全体は参照により本願に組み込まれる。
一態様では、本願の実施例にて提供される結腸ポリープ画像の処理方法は、
結腸ポリープ画像の処理装置が、ポリープ位置決めモデルを用いて、処理対象の内視鏡画像に対してポリープ位置検出を行い、前記内視鏡画像からポリープ画像ブロックを位置決めするステップであって、前記ポリープ画像ブロックは、前記内視鏡画像におけるポリープの位置領域を含む、ステップと、
前記結腸ポリープ画像の処理装置が、ポリープ性質認識モデルを用いて、前記ポリープ画像ブロック上でポリープタイプの分類検出を行い、認識結果を出力するステップと、を含む。
ポリープ位置決めモデルを用いて、処理対象の内視鏡画像に対してポリープ位置検出を行い、前記内視鏡画像からポリープ画像ブロックを位置決めするように構成される位置検出モジュールであって、前記ポリープ画像ブロックは、前記内視鏡画像におけるポリープの位置領域を含む、位置検出モジュールと、
ポリープ性質認識モデルを用いて、前記ポリープ画像ブロック上でポリープタイプの分類検出を行い、認識結果を出力するように構成されるポリープ分類モジュールと、を含む。
前記内視鏡装置は、内視鏡ビデオストリームを生成し、前記内視鏡ビデオストリームを前記結腸ポリープ画像の処理装置に送信するように構成され、
前記結腸ポリープ画像の処理装置は、前記内視鏡装置から前記内視鏡ビデオストリームを受信し、前記内視鏡ビデオストリームから処理対象の内視鏡画像を取得し、ポリープ位置決めモデルを用いて、処理対象の内視鏡画像に対してポリープ位置検出を行い、前記内視鏡画像から、前記内視鏡画像におけるポリープの位置領域を含むポリープ画像ブロックを位置決めし、ポリープ性質認識モデルを用いて、前記ポリープ画像ブロック上でポリープタイプの分類検出を行い、認識結果を出力する。
画像の処理装置が、目標対象位置決めモデルを用いて、処理対象の画像に対して目標対象位置検出を行い、前記画像から目標対象画像ブロックを位置決めするステップであって、前記目標対象画像ブロックは、前記画像における前記目標対象の位置領域を含む、ステップと、
前記画像の処理装置が、目標対象性質認識モデルを用いて、前記目標対象画像ブロック上で目標対象タイプの分類検出を行い、認識結果を出力するステップと、を含む。
本願の結腸ポリープ画像の処理方法の一実施例は、具体的には、内視鏡ビデオストリームに対する結腸ポリープ画像処理シーンに適用することができ、本願の実施例による結腸ポリープ画像の処理により、医師が内視鏡検査を行う際にリアルタイムでポリープを発見し、ポリープの性質を判断し、医師に次の操作を指導するための認識結果を出力する。
内視鏡装置20は、内視鏡ビデオストリームを生成し、内視鏡ビデオストリームを結腸ポリープ画像の処理装置30に送信するように構成され、
結腸ポリープ画像の処理装置30は、内視鏡装置20から内視鏡ビデオストリームを受信し、内視鏡ビデオストリームから処理対象の内視鏡画像を取得し、ポリープ位置決めモデルを用いて、処理対象の内視鏡画像に対してポリープ位置検出を行い、内視鏡画像から、内視鏡画像におけるポリープの位置領域を含むポリープ画像ブロックを位置決めし、ポリープ性質認識モデルを用いて、ポリープ画像ブロック上でポリープタイプの分類検出を行い、認識結果を出力する。
NBIポリープ位置決めモデルは、結腸ポリープ画像の処理装置が、ニューラルネットワークアルゴリズムを用いて、NBIタイプのピクチャトレーニングデータにより元のポリープ位置決めモデルに対してポリープ位置トレーニングを行うことにより得られる。
内視鏡画像が白色光タイプのピクチャである場合、白色光ポリープ位置決めモデルを用いて、ポリープ位置決めを行い、内視鏡画像から白色光ポリープ画像ブロックを位置決めするステップと、
内視鏡画像がNBIタイプのピクチャである場合、NBIポリープ位置決めモデルを用いて、ポリープ位置決めを行い、内視鏡画像からNBIポリープ画像ブロックを位置決めするステップと、を含む。
結腸ポリープ画像の処理装置が内視鏡ビデオストリームから処理対象の内視鏡画像を取得するステップ100をさらに含むことができる。
結腸ポリープ画像の処理装置が、内視鏡画像から、色特徴、勾配変化特徴及び輝度異常特徴を抽出するステップと、
結腸ポリープ画像の処理装置が、色特徴、勾配変化特徴及び輝度異常特徴に基づいて、内視鏡画像が、ぼやけたピクチャ、色調異常及び露出過度や露出不足ピクチャ、低解像度ピクチャを含む低品質ピクチャであるか否かを判断するステップと、
内視鏡画像が低品質ピクチャでない場合、結腸ポリープ画像の処理装置が、ポリープ位置決めモデルを用いて、内視鏡画像に対してポリープ位置検出を行うステップ101を実行するようにトリガーするステップと、をさらに含む。
(1)入力画像に対して標準偏差sigma=2.5のガウシアンフィルタを行い、画像サンプリング時に発生するモアレを除去する。
(2)元画像をRと定義し、画素値3*3のメディアンフィルタを1回かけて画像Pを得る。
(3)画像Pと画像Rの勾配をそれぞれ計算し、ソーベル(Sobel)エッジ検出演算子を用いてメディアンフィルタ画像勾配グラフG_Pと元画像勾配グラフG_Rを得て、G_P画像とG_R画像は、画像エッジの詳細を強調し、画像エッジを強調している。
(4)G_P画像とG_R画像との類似度を計算し、例えば、分類モデルの評価方法Fスコア(F-Score)類似アルゴリズムを用いて、選別することができる。ここで、G_PとG_Rとの類似度は、ぼやけた画像ほど高くなる。
(1)画像を7*7の画像ブロックに分け、そのうち9つの画像ブロックを取得する。
(2)HSV(Hue、Saturation、Value)空間で各画像ブロックのH、S、Vを計算する。
(3)HとSを特徴として標準画像のHSとそれぞれマッチングし、類似度閾値tを設定し、画像ブロック毎に標準ライブラリと類似しているか否かを計算する。
(4)9つの画像ブロックのマッチング度の類似結果を累積カウントし、マッチング度が閾値tのプラス1より大きく、累積値>5の場合、その画像を目標色調マッチング画像とし、検出結果が真(True)であることを返す。
結腸ポリープ画像の処理装置が、内視鏡画像に対してピクチャタイプ認識を行い、内視鏡画像が白色光タイプのピクチャであるか、又は内視鏡狭帯域光観察(Narrow Band Imaging、NBI)タイプのピクチャであるかを決定するステップをさらに含む。
ニューラルネットワークアルゴリズムを用いて、白色光タイプのピクチャトレーニングデータ及びNBIタイプのピクチャトレーニングデータにより元の画像分類モデルに対して分類トレーニングを行い、トレーニング済みの画像分類モデルを得るステップと、
トレーニング済みの画像分類モデルを用いて、内視鏡画像から血管色特徴を抽出するステップと、
トレーニング済みの画像分類モデルを用いて、血管色特徴の値を分類し、内視鏡画像を白色光タイプのピクチャ、又はNBIタイプのピクチャとして得るステップと、を含む。
ニューラルネットワークアルゴリズムを用いて、異なるポリープタイプのポリープピクチャトレーニングデータにより元のポリープ性質認識モデルに対してポリープタイプの分類検出トレーニングを行い、トレーニング済みのポリープ性質認識モデルを得るステップと、
トレーニング済みのポリープ性質認識モデルを用いて、ポリープ画像ブロックからポリープタイプ特徴を抽出するステップと、
トレーニング済みのポリープ性質認識モデルを用いて、ポリープタイプ特徴の値を分類し、認識結果を出力するステップと、を含む。
結腸ポリープ画像の処理装置が、予め設定された画像拡張比率に従って、内視鏡画像においてポリープ画像ブロックの占めるポリープ領域を上下左右方向に拡張し、拡張後のポリープ画像ブロックを得るステップと、
結腸ポリープ画像の処理装置が、拡張後のポリープ画像ブロックをポリープ性質認識モデルに入力するステップと、をさらに含む。
ポリープ位置決めモデルを用いて、処理対象の内視鏡画像に対してポリープ位置検出を行い、前記内視鏡画像から、前記内視鏡画像におけるポリープの位置領域を含むポリープ画像ブロックを位置決めするように構成される位置検出モジュール801と、
ポリープ性質認識モデルを用いて、前記ポリープ画像ブロック上でポリープタイプの分類検出を行い、認識結果を出力するように構成されるポリープ分類モジュール802と、を含む。
内視鏡ビデオストリームから処理対象の内視鏡画像を取得するように構成される画像取得モジュール803をさらに含むことができる。
位置検出モジュール801が、ポリープ位置決めモデルを用いて、処理対象の内視鏡画像に対してポリープ位置検出を行う前に、前記内視鏡画像から、色特徴、勾配変化特徴及び輝度異常特徴を抽出し、前記色特徴、前記勾配変化特徴及び前記輝度異常特徴に基づいて、前記内視鏡画像が、ぼやけたピクチャ、色調異常及び露出過度や露出不足ピクチャ、低解像度ピクチャを含む低品質ピクチャであるか否かを判断し、前記内視鏡画像が前記低品質ピクチャでない場合、前記位置検出モジュールを実行するようにトリガーするように構成される低品質ピクチャ認識モジュール804をさらに含む。
位置検出モジュール801が、ポリープ位置決めモデルを用いて、処理対象の内視鏡画像に対してポリープ位置検出を行う前に、前記内視鏡画像に対してピクチャタイプ認識を行い、前記内視鏡画像が白色光タイプのピクチャであるか、又は内視鏡狭帯域光観察NBIタイプのピクチャであるかを決定するように構成されるピクチャタイプ認識モジュール805をさらに含む。
ニューラルネットワークアルゴリズムを用いて、白色光タイプのピクチャトレーニングデータ及びNBIタイプのピクチャトレーニングデータにより元の画像分類モデルに対して分類トレーニングを行い、トレーニング済みの画像分類モデルを得るように構成される画像分類モデルトレーニングユニット8051と、
前記トレーニング済みの画像分類モデルを用いて、前記内視鏡画像から血管色特徴を抽出するように構成される血管色特徴抽出ユニット8052と、
前記トレーニング済みの画像分類モデルを用いて、前記血管色特徴の値を分類し、前記内視鏡画像を前記白色光タイプのピクチャ、又は前記NBIタイプのピクチャとして得るように構成されるピクチャ分類ユニット8053と、を含む。
ニューラルネットワークアルゴリズムを用いて、前記白色光タイプのピクチャトレーニングデータにより元のポリープ位置決めモデルに対してポリープ位置トレーニングを行うことにより得られる白色光ポリープ位置決めモデルと、
ニューラルネットワークアルゴリズムを用いて、前記NBIタイプのピクチャトレーニングデータにより元のポリープ位置決めモデルに対してポリープ位置トレーニングを行うことにより得られるNBIポリープ位置決めモデルと、を含む。
ニューラルネットワークアルゴリズムを用いて、異なるポリープタイプのポリープピクチャトレーニングデータにより元のポリープ性質認識モデルに対してポリープタイプの分類検出トレーニングを行い、トレーニング済みのポリープ性質認識モデルを得るように構成されるポリープ性質認識モデルトレーニングユニット8021と、
前記トレーニング済みのポリープ性質認識モデルを用いて、前記ポリープ画像ブロックからポリープタイプ特徴を抽出するように構成されるポリープタイプ特徴抽出ユニット8022と、
前記トレーニング済みのポリープ性質認識モデルを用いて、前記ポリープタイプ特徴の値を分類し、認識結果を出力するように構成されるポリープ分類ユニット8023と、を含む。
20 内視鏡装置
30 結腸ポリープ画像の処理装置
800 結腸ポリープ画像の処理装置
801 位置検出モジュール
802 ポリープ分類モジュール
8021 ポリープ性質認識モデルトレーニングユニット
8022 ポリープタイプ特徴抽出ユニット
8023 ポリープ分類ユニット
803 画像取得モジュール
804 低品質ピクチャ認識モジュール
805 ピクチャタイプ認識モジュール
8051 画像分類モデルトレーニングユニット
8052 血管色特徴抽出ユニット
8053 ピクチャ分類ユニット
1010 無線周波数(RF)回路
1020 メモリ
1030 入力ユニット
1031 タッチパネル
1032 他の入力デバイス
1040 表示ユニット
1041 表示パネル
1050 センサ
1060 オーディオ回路
1061 スピーカ
1062 マイク
1070 WiFiモジュール
1080 プロセッサ
1090 電源
1100 サーバ
1122 中央処理装置
1126 電源
1130 記憶装置
1132 メモリ
1141 オペレーティング・システム
1142 アプリケーションプログラム
1144 データ
1150 有線又は無線ネットワークインタフェース
1158 入出力インタフェース
Claims (17)
- 結腸ポリープ画像の処理装置が実行する結腸ポリープ画像の処理方法であって、
前記結腸ポリープ画像の処理装置が、ポリープ位置決めモデルを用いて、処理対象の内視鏡画像に対してポリープ位置検出を行い、前記内視鏡画像からポリープ画像ブロックを位置決めするステップであって、前記ポリープ画像ブロックは、前記内視鏡画像におけるポリープの位置領域を含む、ステップと、
前記結腸ポリープ画像の処理装置が、ポリープ性質認識モデルを用いて、前記ポリープ画像ブロック上でポリープタイプの分類検出を行い、認識結果を出力するステップと、を含み、
前記結腸ポリープ画像の処理装置が、ポリープ位置決めモデルを用いて、処理対象の内視鏡画像に対してポリープ位置検出を行う前に、
前記結腸ポリープ画像の処理装置が、前記内視鏡画像に対してピクチャタイプ認識を行い、前記内視鏡画像が白色光タイプのピクチャであるか、又は内視鏡狭帯域光観察(NBI)タイプのピクチャであるかを決定するステップをさらに含む、方法。 - 前記結腸ポリープ画像の処理装置が、ポリープ位置決めモデルを用いて、処理対象の内視鏡画像に対してポリープ位置検出を行う前に、
前記結腸ポリープ画像の処理装置が、前記内視鏡画像から、色特徴、勾配変化特徴及び輝度異常特徴を抽出するステップと、
前記結腸ポリープ画像の処理装置が、前記色特徴、前記勾配変化特徴及び前記輝度異常特徴に基づいて、前記内視鏡画像が低品質ピクチャであるか否かを判断するステップであって、前記低品質ピクチャは、ぼやけたピクチャ、色調異常及び露出過度や露出不足ピクチャ、低解像度ピクチャを含む、ステップと、
前記内視鏡画像が前記低品質ピクチャでない場合、前記結腸ポリープ画像の処理装置が、ポリープ位置決めモデルを用いて、処理対象の内視鏡画像に対してポリープ位置検出を行うステップを実行するようにトリガーするステップと、をさらに含む、請求項1に記載の方法。 - 前記結腸ポリープ画像の処理装置が、前記内視鏡画像に対してピクチャタイプ認識を行い、前記内視鏡画像が白色光タイプのピクチャであるか、又は内視鏡狭帯域光観察(NBI)タイプのピクチャであるかを決定する前記ステップは、
ニューラルネットワークアルゴリズムを用いて、白色光タイプのピクチャトレーニングデータ及びNBIタイプのピクチャトレーニングデータにより元の画像分類モデルに対して分類トレーニングを行い、トレーニング済みの画像分類モデルを得るステップと、
前記トレーニング済みの画像分類モデルを用いて、前記内視鏡画像から血管色特徴を抽出するステップと、
前記トレーニング済みの画像分類モデルを用いて、前記血管色特徴の値を分類し、前記内視鏡画像を前記白色光タイプのピクチャ、又は前記NBIタイプのピクチャとして得るステップと、を含む、請求項1に記載の方法。 - 前記ポリープ位置決めモデルは、白色光ポリープ位置決めモデルとNBIポリープ位置決めモデルを含み、
前記白色光ポリープ位置決めモデルは、前記結腸ポリープ画像の処理装置が、ニューラルネットワークアルゴリズムを用いて、前記白色光タイプのピクチャトレーニングデータにより元のポリープ位置決めモデルに対してポリープ位置トレーニングを行うことにより得られ、
前記NBIポリープ位置決めモデルは、前記結腸ポリープ画像の処理装置が、ニューラルネットワークアルゴリズムを用いて、前記NBIタイプのピクチャトレーニングデータにより元のポリープ位置決めモデルに対してポリープ位置トレーニングを行うことにより得られる、請求項1又は3に記載の方法。 - 前記結腸ポリープ画像の処理装置が、ポリープ位置決めモデルを用いて、処理対象の内視鏡画像に対してポリープ位置検出を行い、前記内視鏡画像からポリープ画像ブロックを位置決めする前記ステップは、
前記内視鏡画像が前記白色光タイプのピクチャである場合、前記白色光ポリープ位置決めモデルを用いて、ポリープ位置決めを行い、前記内視鏡画像から白色光ポリープ画像ブロックを位置決めするステップと、
前記内視鏡画像が前記NBIタイプのピクチャである場合、前記NBIポリープ位置決めモデルを用いて、ポリープ位置決めを行い、前記内視鏡画像からNBIポリープ画像ブロックを位置決めするステップと、を含む、請求項4に記載の方法。 - 前記結腸ポリープ画像の処理装置が、ポリープ性質認識モデルを用いて、前記ポリープ画像ブロック上でポリープタイプの分類検出を行い、認識結果を出力する前記ステップは、
ニューラルネットワークアルゴリズムを用いて、異なるポリープタイプのポリープピクチャトレーニングデータにより元のポリープ性質認識モデルに対してポリープタイプの分類検出トレーニングを行い、トレーニング済みのポリープ性質認識モデルを得るステップと、
前記トレーニング済みのポリープ性質認識モデルを用いて、前記ポリープ画像ブロックからポリープタイプ特徴を抽出するステップと、
前記トレーニング済みのポリープ性質認識モデルを用いて、前記ポリープタイプ特徴の値を分類し、認識結果を出力するステップと、を含む、請求項1に記載の方法。 - 前記内視鏡画像からポリープ画像ブロックを位置決めする前記ステップの後、
前記結腸ポリープ画像の処理装置が、予め設定された画像拡張比率に従って、前記内視鏡画像において前記ポリープ画像ブロックの占めるポリープ領域を上下左右方向に拡張し、拡張後のポリープ画像ブロックを得るステップと、
前記結腸ポリープ画像の処理装置が、前記拡張後のポリープ画像ブロックを前記ポリープ性質認識モデルに入力するステップと、をさらに含む、請求項1乃至3のいずれか一項、又は請求項6に記載の方法。 - 1つ以上のプロセッサと、プログラムユニットを記憶する1つ以上のメモリと、を含む結腸ポリープ画像の処理装置であって、前記プログラムユニットは、前記プロセッサにより実行され、前記プログラムユニットは、
ポリープ位置決めモデルを用いて、処理対象の内視鏡画像に対してポリープ位置検出を行い、前記内視鏡画像からポリープ画像ブロックを位置決めするように構成される位置検出モジュールであって、前記ポリープ画像ブロックは、前記内視鏡画像におけるポリープの位置領域を含む、位置検出モジュールと、
ポリープ性質認識モデルを用いて、前記ポリープ画像ブロック上でポリープタイプの分類検出を行い、認識結果を出力するように構成されるポリープ分類モジュールと、
前記位置検出モジュールが、前記ポリープ位置決めモデルを用いて、処理対象の前記内視鏡画像に対してポリープ位置検出を行う前に、前記内視鏡画像に対してピクチャタイプ認識を行い、前記内視鏡画像が白色光タイプのピクチャであるか、又は内視鏡狭帯域光観察(NBI)タイプのピクチャであるかを決定するよう構成されるピクチャタイプ認識モジュールと、を含む装置。 - コンピュータに請求項1乃至7のいずれか一項に記載の方法を実行させるコンピュータプログラム。
- 内視鏡装置と、結腸ポリープ画像の処理装置とを含み、前記内視鏡装置と前記結腸ポリープ画像の処理装置との間に通信接続が確立され、
前記内視鏡装置は、内視鏡ビデオストリームを生成し、前記内視鏡ビデオストリームを前記結腸ポリープ画像の処理装置に送信するように構成され、
前記結腸ポリープ画像の処理装置は、前記内視鏡装置から前記内視鏡ビデオストリームを受信し、前記内視鏡ビデオストリームから処理対象の内視鏡画像を取得し、請求項1乃至7のいずれか一項に記載の方法を実行するように構成される、医療システム。 - 画像の処理方法であって、
画像の処理装置が、目標対象位置決めモデルを用いて、処理対象の画像に対して目標対象位置検出を行い、前記画像から目標対象画像ブロックを位置決めするステップであって、前記目標対象画像ブロックは、前記画像における前記目標対象の位置領域を含む、ステップと、
前記画像の処理装置が、目標対象性質認識モデルを用いて、前記目標対象画像ブロック上で目標対象タイプの分類検出を行い、認識結果を出力するステップと、を含み、
前記画像の処理装置が、目標対象位置決めモデルを用いて、処理対象の画像に対して目標対象位置検出を行う前に、
前記画像の処理装置が、前記画像に対してピクチャタイプ認識を行い、前記画像が白色光タイプのピクチャであるか、又は内視鏡狭帯域光観察(NBI)タイプのピクチャであるかを決定するステップをさらに含む、方法。 - 前記画像の処理装置が、目標対象位置決めモデルを用いて、処理対象の画像に対して目標対象位置検出を行う前に、
前記画像の処理装置が、前記画像から、色特徴、勾配変化特徴及び輝度異常特徴を抽出するステップと、
前記画像の処理装置が、前記色特徴、前記勾配変化特徴及び前記輝度異常特徴に基づいて、前記画像が低品質ピクチャであるか否かを判断するステップであって、前記低品質ピクチャは、ぼやけたピクチャ、色調異常及び露出過度や露出不足ピクチャ、低解像度ピクチャを含む、ステップと、
前記画像が前記低品質ピクチャでない場合、前記画像の処理装置が、目標対象位置決めモデルを用いて、処理対象の画像に対して目標対象位置検出を行うステップを実行するようにトリガーするステップと、をさらに含む、請求項11に記載の方法。 - 前記画像の処理装置が、前記画像に対してピクチャタイプ認識を行い、前記画像が白色光タイプのピクチャであるか、又は内視鏡狭帯域光観察(NBI)タイプのピクチャであるかを決定する前記ステップは、
ニューラルネットワークアルゴリズムを用いて、白色光タイプのピクチャトレーニングデータ及びNBIタイプのピクチャトレーニングデータにより元の画像分類モデルに対して分類トレーニングを行い、トレーニング済みの画像分類モデルを得るステップと、
前記トレーニング済みの画像分類モデルを用いて、前記画像から指定対象色特徴を抽出するステップと、
前記トレーニング済みの画像分類モデルを用いて、前記指定対象色特徴の値を分類し、前記画像を前記白色光タイプのピクチャ、又は前記NBIタイプのピクチャとして得るステップと、を含む、請求項11に記載の方法。 - 前記目標対象位置決めモデルは、
前記画像の処理装置が、ニューラルネットワークアルゴリズムを用いて、前記白色光タイプのピクチャトレーニングデータにより元の目標対象位置決めモデルに対して目標対象位置トレーニングを行うことにより得られる白色光目標対象位置決めモデルと、
前記画像の処理装置が、ニューラルネットワークアルゴリズムを用いて、前記NBIタイプのピクチャトレーニングデータにより元の目標対象位置決めモデルに対して目標対象位置トレーニングを行うことにより得られるNBI目標対象位置決めモデルと、を含む、請求項11又は13に記載の方法。 - 前記画像の処理装置が、目標対象位置決めモデルを用いて、処理対象の画像に対して目標対象位置検出を行い、前記画像から目標対象画像ブロックを位置決めする前記ステップは、
前記画像が前記白色光タイプのピクチャである場合、前記白色光目標対象位置決めモデルを用いて、目標対象位置決めを行い、前記画像から白色光目標対象画像ブロックを位置決めするステップと、
前記画像が前記NBIタイプのピクチャである場合、前記NBI目標対象位置決めモデルを用いて、目標対象位置決めを行い、前記画像からNBI目標対象画像ブロックを位置決めするステップと、を含む、請求項14に記載の方法。 - 前記画像の処理装置が、目標対象性質認識モデルを用いて、前記目標対象画像ブロック上で目標対象タイプの分類検出を行い、認識結果を出力する前記ステップは、
ニューラルネットワークアルゴリズムを用いて、異なる目標対象タイプの目標対象ピクチャトレーニングデータにより元の目標対象性質認識モデルに対して目標対象タイプの分類検出トレーニングを行い、トレーニング済みの目標対象性質認識モデルを得るステップと、
前記トレーニング済みの目標対象性質認識モデルを用いて、前記目標対象画像ブロックから目標対象タイプ特徴を抽出するステップと、
前記トレーニング済みの目標対象性質認識モデルを用いて、前記目標対象タイプ特徴の値を分類し、認識結果を出力するステップと、を含む、請求項11に記載の方法。 - 前記画像から目標対象画像ブロックを位置決めする前記ステップの後、
前記画像の処理装置が、予め設定された画像拡張比率に従って、前記画像において前記目標対象画像ブロックの占める目標対象領域を上下左右方向に拡張し、拡張後の目標対象画像ブロックを得るステップと、
前記画像の処理装置が、前記拡張後の目標対象画像ブロックを前記目標対象性質認識モデルに入力するステップと、をさらに含む、請求項11乃至13のいずれか一項、又は請求項16に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811287489.X | 2018-10-31 | ||
CN201811287489.XA CN109447973B (zh) | 2018-10-31 | 2018-10-31 | 一种结肠息肉图像的处理方法和装置及系统 |
PCT/CN2019/112788 WO2020088328A1 (zh) | 2018-10-31 | 2019-10-23 | 一种结肠息肉图像的处理方法和装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021520980A JP2021520980A (ja) | 2021-08-26 |
JP7090836B2 true JP7090836B2 (ja) | 2022-06-27 |
Family
ID=65549487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021512995A Active JP7090836B2 (ja) | 2018-10-31 | 2019-10-23 | 結腸ポリープ画像の処理方法並びに、その装置、コンピュータプログラム及びシステム |
Country Status (5)
Country | Link |
---|---|
US (2) | US11468563B2 (ja) |
EP (1) | EP3876188A4 (ja) |
JP (1) | JP7090836B2 (ja) |
CN (1) | CN109447973B (ja) |
WO (1) | WO2020088328A1 (ja) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109447973B (zh) | 2018-10-31 | 2021-11-26 | 腾讯医疗健康(深圳)有限公司 | 一种结肠息肉图像的处理方法和装置及系统 |
KR102236826B1 (ko) * | 2018-11-30 | 2021-04-06 | 아주대학교산학협력단 | 기계학습용 의료 영상 데이터셋의 품질을 평가하는 방법 및 시스템 |
CN109871823B (zh) * | 2019-03-11 | 2021-08-31 | 中国电子科技集团公司第五十四研究所 | 一种结合旋转框和上下文信息的卫星图像舰船检测方法 |
US11944262B2 (en) | 2019-03-27 | 2024-04-02 | Hoya Corporation | Endoscope processor, information processing device, and endoscope system |
CN110021020B (zh) * | 2019-04-18 | 2022-03-15 | 重庆金山医疗技术研究院有限公司 | 一种图像检测方法、装置及内窥镜系统 |
CN111839429A (zh) * | 2019-04-25 | 2020-10-30 | 天津御锦人工智能医疗科技有限公司 | 一种基于图像识别判断结肠镜检查是否完整的检测方法 |
CN111839445A (zh) * | 2019-04-25 | 2020-10-30 | 天津御锦人工智能医疗科技有限公司 | 一种基于图像识别的结肠镜手术中窄带成像检测方法 |
CN111839428A (zh) * | 2019-04-25 | 2020-10-30 | 天津御锦人工智能医疗科技有限公司 | 一种基于深度学习提高结肠镜腺瘤性息肉检出率的方法 |
CN110070938A (zh) * | 2019-04-26 | 2019-07-30 | 河南萱闱堂医疗信息科技有限公司 | 一种辅助患者进行肠道准备的方法 |
CN110136106B (zh) | 2019-05-06 | 2022-12-27 | 腾讯医疗健康(深圳)有限公司 | 医疗内窥镜图像的识别方法、系统、设备和内窥镜影像系统 |
CN110189303B (zh) * | 2019-05-07 | 2020-12-25 | 武汉楚精灵医疗科技有限公司 | 一种基于深度学习和图像增强的nbi图像处理方法及其应用 |
CN110363751B (zh) * | 2019-07-01 | 2021-08-03 | 浙江大学 | 一种基于生成协作网络的大肠内视镜息肉检测方法 |
JP7116849B2 (ja) * | 2019-08-16 | 2022-08-10 | Hoya株式会社 | 内視鏡用プロセッサ、内視鏡システム、情報処理装置、プログラム及び情報処理方法 |
CN110738655B (zh) * | 2019-10-23 | 2024-04-26 | 腾讯科技(深圳)有限公司 | 影像报告生成方法、装置、终端及存储介质 |
CN111178128B (zh) * | 2019-11-22 | 2024-03-19 | 北京迈格威科技有限公司 | 图像识别方法、装置、计算机设备和存储介质 |
CN111105412B (zh) * | 2019-12-30 | 2023-10-20 | 郑州大学 | 一种用于肠道息肉检测识别的智能辅助系统 |
WO2021146904A1 (zh) * | 2020-01-21 | 2021-07-29 | 云象科技股份有限公司 | 内视镜检测系统及其方法 |
CN112911165B (zh) * | 2021-03-02 | 2023-06-16 | 杭州海康慧影科技有限公司 | 内窥镜曝光方法、装置及计算机可读存储介质 |
CN113284146B (zh) * | 2021-07-23 | 2021-10-22 | 天津御锦人工智能医疗科技有限公司 | 结直肠息肉图像的识别方法、装置及存储介质 |
CN113470026B (zh) * | 2021-09-02 | 2021-11-05 | 北京字节跳动网络技术有限公司 | 息肉识别方法、装置、介质及设备 |
CN113822894B (zh) * | 2021-11-25 | 2022-02-08 | 武汉大学 | 十二指肠胰头图像识别方法和十二指肠胰头图像识别装置 |
CN113935993B (zh) * | 2021-12-15 | 2022-03-01 | 武汉楚精灵医疗科技有限公司 | 肠镜图像识别系统、终端设备及存储介质 |
CN114332019B (zh) * | 2021-12-29 | 2023-07-04 | 小荷医疗器械(海南)有限公司 | 内窥镜图像检测辅助系统、方法、介质和电子设备 |
CN114782390B (zh) * | 2022-04-29 | 2023-08-11 | 小荷医疗器械(海南)有限公司 | 检测模型的确定方法、息肉检测方法、装置、介质及设备 |
CN117204790B (zh) * | 2023-09-12 | 2024-01-30 | 南京诺源医疗器械有限公司 | 一种内窥镜的图像处理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110301447A1 (en) | 2010-06-07 | 2011-12-08 | Sti Medical Systems, Llc | Versatile video interpretation, visualization, and management system |
WO2018105062A1 (ja) | 2016-12-07 | 2018-06-14 | オリンパス株式会社 | 画像処理装置及び画像処理方法 |
JP2018515164A (ja) | 2015-03-27 | 2018-06-14 | シーメンス アクチエンゲゼルシヤフトSiemens Aktiengesellschaft | 画像分類を用いた脳腫瘍自動診断方法および脳腫瘍自動診断システム |
US20180225820A1 (en) | 2015-08-07 | 2018-08-09 | Arizona Board Of Regents On Behalf Of Arizona State University | Methods, systems, and media for simultaneously monitoring colonoscopic video quality and detecting polyps in colonoscopy |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7391893B2 (en) * | 2003-06-27 | 2008-06-24 | Siemens Medical Solutions Usa, Inc. | System and method for the detection of shapes in images |
DE10346276B4 (de) | 2003-10-06 | 2007-01-18 | Siemens Ag | System zur automatisierten Lokalisierung von Läsionen im Gastrointestinaltrakt zur Therapie mit Laserlicht eines Endoroboters |
CN101540000B (zh) * | 2008-03-20 | 2011-07-27 | 中国科学院自动化研究所 | 基于纹理基元统计特性分析的虹膜分类方法 |
CN102509112A (zh) * | 2011-11-02 | 2012-06-20 | 珠海逸迩科技有限公司 | 车牌识别方法及其识别系统 |
CN103315699A (zh) * | 2013-06-13 | 2013-09-25 | 福建师范大学 | 一种适用于巴雷特食管定位及识别的内窥系统 |
WO2016161115A1 (en) * | 2015-03-31 | 2016-10-06 | Mayo Foundation For Medical Education And Research | System and methods for automatic polyp detection using convolutional neural networks |
WO2017042812A2 (en) * | 2015-09-10 | 2017-03-16 | Magentiq Eye Ltd. | A system and method for detection of suspicious tissue regions in an endoscopic procedure |
CN106097335B (zh) * | 2016-06-08 | 2019-01-25 | 安翰光电技术(武汉)有限公司 | 消化道病灶图像识别系统及识别方法 |
CN106127116B (zh) * | 2016-06-16 | 2019-05-28 | 新浪网技术(中国)有限公司 | 一种图片类型识别的方法和装置 |
CN106530290A (zh) * | 2016-10-27 | 2017-03-22 | 朱育盼 | 医学图像分析方法和装置 |
CN106934799B (zh) * | 2017-02-24 | 2019-09-03 | 安翰科技(武汉)股份有限公司 | 胶囊内窥镜图像辅助阅片系统及方法 |
CN107240091B (zh) * | 2017-04-21 | 2019-09-03 | 安翰科技(武汉)股份有限公司 | 胶囊内窥镜图像预处理系统及方法 |
CN107256552B (zh) * | 2017-06-14 | 2020-08-18 | 成都微识医疗设备有限公司 | 息肉图像识别系统及方法 |
US11302439B2 (en) * | 2017-06-27 | 2022-04-12 | Sony Corporation | Medical image processing apparatus, medical image processing method, and computing device |
CN107730489A (zh) * | 2017-10-09 | 2018-02-23 | 杭州电子科技大学 | 无线胶囊内窥镜小肠病变计算机辅助检测系统及检测方法 |
CN107895369B (zh) * | 2017-11-28 | 2022-11-22 | 腾讯科技(深圳)有限公司 | 图像分类方法、装置、存储介质及设备 |
CN108010021B (zh) * | 2017-11-30 | 2021-12-10 | 上海联影医疗科技股份有限公司 | 一种医学图像处理系统和方法 |
CN108596237B (zh) * | 2018-04-19 | 2019-11-15 | 北京邮电大学 | 一种基于颜色和血管的lci激光内镜下的结肠息肉分类装置 |
CN108615037A (zh) * | 2018-05-31 | 2018-10-02 | 武汉大学人民医院(湖北省人民医院) | 基于深度学习的可控胶囊内镜操作实时辅助系统及操作方法 |
CN112384122A (zh) * | 2018-07-10 | 2021-02-19 | 奥林巴斯株式会社 | 内窥镜装置、处理装置以及处理方法 |
CN109447973B (zh) * | 2018-10-31 | 2021-11-26 | 腾讯医疗健康(深圳)有限公司 | 一种结肠息肉图像的处理方法和装置及系统 |
-
2018
- 2018-10-31 CN CN201811287489.XA patent/CN109447973B/zh active Active
-
2019
- 2019-10-23 JP JP2021512995A patent/JP7090836B2/ja active Active
- 2019-10-23 EP EP19878480.3A patent/EP3876188A4/en active Pending
- 2019-10-23 WO PCT/CN2019/112788 patent/WO2020088328A1/zh unknown
-
2020
- 2020-09-18 US US17/025,679 patent/US11468563B2/en active Active
-
2022
- 2022-08-10 US US17/885,361 patent/US11748883B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110301447A1 (en) | 2010-06-07 | 2011-12-08 | Sti Medical Systems, Llc | Versatile video interpretation, visualization, and management system |
JP2018515164A (ja) | 2015-03-27 | 2018-06-14 | シーメンス アクチエンゲゼルシヤフトSiemens Aktiengesellschaft | 画像分類を用いた脳腫瘍自動診断方法および脳腫瘍自動診断システム |
US20180225820A1 (en) | 2015-08-07 | 2018-08-09 | Arizona Board Of Regents On Behalf Of Arizona State University | Methods, systems, and media for simultaneously monitoring colonoscopic video quality and detecting polyps in colonoscopy |
WO2018105062A1 (ja) | 2016-12-07 | 2018-06-14 | オリンパス株式会社 | 画像処理装置及び画像処理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109447973B (zh) | 2021-11-26 |
US11468563B2 (en) | 2022-10-11 |
WO2020088328A1 (zh) | 2020-05-07 |
US20210004959A1 (en) | 2021-01-07 |
EP3876188A4 (en) | 2021-12-29 |
CN109447973A (zh) | 2019-03-08 |
US20220392068A1 (en) | 2022-12-08 |
JP2021520980A (ja) | 2021-08-26 |
US11748883B2 (en) | 2023-09-05 |
EP3876188A1 (en) | 2021-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7090836B2 (ja) | 結腸ポリープ画像の処理方法並びに、その装置、コンピュータプログラム及びシステム | |
WO2020238626A1 (zh) | 图像状态确定方法、装置、设备、系统及计算机存储介质 | |
CN107423699B (zh) | 活体检测方法及相关产品 | |
CN108594997B (zh) | 手势骨架构建方法、装置、设备及存储介质 | |
WO2019052329A1 (zh) | 人脸识别方法及相关产品 | |
CN107590461B (zh) | 人脸识别方法及相关产品 | |
CN109286748B (zh) | 移动系统以及眼睛成像的方法 | |
JP5147308B2 (ja) | 画像抽出装置および画像抽出プログラム | |
CN111462036A (zh) | 基于深度学习的病理图像处理方法、模型训练方法及装置 | |
US8705818B2 (en) | Image processing device, computer readable storage medium storing image processing program, and image processing method | |
WO2022036972A1 (zh) | 图像分割方法及装置、电子设备和存储介质 | |
WO2018113512A1 (zh) | 图像处理方法以及相关装置 | |
WO2020015147A1 (zh) | 一种皮肤检测方法和电子设备 | |
CN107889534B (zh) | 用于在解剖手术期间检测手术用纱布的方法和系统 | |
WO2019011098A1 (zh) | 解锁控制方法及相关产品 | |
CN107025441B (zh) | 肤色检测方法及装置 | |
CN114693593A (zh) | 图像处理方法、装置、及计算机装置 | |
WO2019001254A1 (zh) | 虹膜活体检测方法及相关产品 | |
US11935239B2 (en) | Control method, apparatus and program for system for determining lesion obtained via real-time image | |
CN112805670A (zh) | 用于数字病理学的眼睛跟踪的图像查看器 | |
JP2022548453A (ja) | 画像分割方法及び装置、電子デバイス並びに記憶媒体 | |
CN110766631A (zh) | 人脸图像的修饰方法、装置、电子设备和计算机可读介质 | |
CN115984228A (zh) | 胃镜图像处理方法、装置、电子设备及存储介质 | |
WO2024082976A1 (zh) | 文本图像的ocr识别方法、电子设备及介质 | |
CN114332074A (zh) | 内镜图像处理方法、装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201111 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211210 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211220 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220317 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220516 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220525 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7090836 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |